基于ESG评分的行业轮动策略

1、正文目录 HYPERLINK l _TOC_250015 一、嘉实ESG 评分体系简介 4 HYPERLINK l _TOC_250014 1、指标体系 5 HYPERLINK l _TOC_250013 2、数据来源 5 HYPERLINK l _TOC_250012 3、指标计算及更新 6 HYPERLINK l _TOC_250011 二、行业ESG 因子构建与统计分析 6 HYPERLINK l _TOC_250010 1、因子构建方法 6 HYPERLINK l _TOC_250009 2、行业 ESG 因子的统计特征 7 HYPERLINK l _TOC_250008 三、行业ES

2、G 因子测试 11 HYPERLINK l _TOC_250007 1、IC 测试 11 HYPERLINK l _TOC_250006 2、IC 衰减 13 HYPERLINK l _TOC_250005 3、因子换手率 13 HYPERLINK l _TOC_250004 4、分位数测试 14 HYPERLINK l _TOC_250003 四、行业轮动策略构建与回测 16 HYPERLINK l _TOC_250002 1、行业轮动策略构建 16 HYPERLINK l _TOC_250001 2、策略回测结果 16 HYPERLINK l _TOC_250000 五、相关行业梳理 18

3、六、结论 19图表目录图 1：ESG 评分的数据来源 6图 2：行业ESG 因子的频率分布图 8图 3：行业环境得分排序 9图 4：行业社会得分排序 9图 5：行业治理得分排序 10图 6：行业ESG 得分排序 10图 7：一级行业ESG 因子的月度 IC 变化 12图 8：二级行业ESG 因子的月度 IC 变化 12图 9：行业ESG 得分的 IC 衰减 13图 10：行业 ESG 得分的自相关性 14图 11：一级行业 ESG 得分的分位数测试净值 15图 12：二级行业 ESG 得分的分位数测试净值 16图 13：一级行业 ESG 得分轮动策略净值 17图 14：二级行业 ESG 得分轮

4、动策略净值 18表 1：嘉实 ESG 评分指标体系 5表 2：行业 ESG 因子的统计描述分析 7表 3：行业 ESG 因子之间的相关性 11表 4：行业 ESG 因子的 IC 测试结果 11表 5：一级行业 ESG 得分的分位数测试评价指标 14表 6：二级行业 ESG 得分的分位数测试评价指标 15表 7：行业轮动策略的回测结果 17表 8：行业轮动策略的逐年表现 18表 9：ESG 得分最高的前 5 个一级行业 19表 10：ESG 得分最高的前 15 个二级行业 19近年来， 包括环境(E)、社会(S)和治理(G)等不同要素的可持续发展理念在全球日益受到重视，并逐渐成为投资决策过程中一

5、个重要依据。党的十八大以来，党中央国务院对绿色低碳发展高度重视，先后出台了多项重要的相关政策，如关于构建绿色金融体系的指导意见（2016 年）、绿色产业指导目录（2019 年）、关于促进应对气候变化投融资的指导意见（2020 年）、绿色债券支持项目目录（2021 年）等。2020 年 9月 23 日，我国在第 75 届联合国大会期间提出，二氧化碳排放力争于 2030 年前达到峰值，努力争取 2060 年前实现碳中和。2020 年 12 月召开的中央经济工作会议，已将碳达峰和碳排放工作列为 2021 年八大重点任务之一。 今年两会上，碳达峰、碳中和被首次写入了政府工作报告，也成为代表委员们讨论的

6、“热词”。可以预见，在政策推动和市场需求双轮驱动之下，以环境(E)、社会(S)和治理(G)为核心的 ESG 投资在我国将会迎来广阔的发展空间。自 2020 年 5 月以来，我们围绕ESG 投资研究主题先后发布了前四篇深度报告，分别探讨了 ESG 投资的国内外发展现状、ESG 代表性评级方法、ESG 指数编制、ESG 基金业绩比较、ESG 因子在量化选股中的应用等问题。其中，ESG 投资研究系列之四：基于 ESG 评级的选股策略围绕 ESG 投资主题，以来自 Wind 资讯的嘉实 ESG 评分数据为样本，采用多种不同方法全面分析 ESG 评分数据的选股能力，并从多个不同维度构建量化选股策略。该报

7、告的主要结论包括：（1）股票 ESG 因子具有较好的选股能力，全市 A 市场里的多空组合年化收益率、Sharpe 比率和最大回撤率分别为 22.72%、2.36和 5.68%；(2) 基于股票ESG 因子的策略表现良好，“ESG+质量”多头策略在沪深 300指数成分股里的年化超额收益率为 12.37%，“ESG+质量成长”多头策略在中证 500 指数取得 12.27%的年化超额收益率。本报告将研究焦点放在行业层面，重点研究 ESG 因子能否用于行业比较与选择，并以此构建有效的行业轮动策略。一、嘉实 ESG 评分体系简介与前期报告ESG 投资研究系列之四：基于 ESG 评分的量化选股策略相同，本

8、报告将继续采用来自 Wind 资讯的嘉实 ESG 评分数据为样本进行分析与研究。嘉实 ESG 研究团队由多名 ESG 研究员及数据科学家组成，在国际及本土 ESG 研究、ESG 咨询、基本面研究和量化投资、人工智能和另类数据处理等领域有着丰富的经验。嘉实 ESG 研究得到了行业领先的嘉实投研团队的支持，深度结合和融入了嘉实在 A 股丰富的投资经验和观点。嘉实 ESG 研究团队可协助金融机构投研部门将 ESG 因子系统化融入投资研究和管理流程之中，开发ESG 主题策略和发布ESG 研究报告。嘉实基金成立于 1999 年 3 月，国内最早成立的十家基金管理公司之一，现已发展为具有“全牌照”业务的综

9、合性国际化资产管理集团，是目前国内资产管理规模最大的公募基金公司之一。2018 年 4 月，嘉实基金宣布正式加入联合国支持的负责任投资原则（简称“UN PRI”），成为首批签署该原则的中国公募基金管理公司之一。2020 年 8 月， UN PRI 发布 2020 年度签署方评估报告，嘉实基金获得高度肯定，在衡量公司层面 ESG管理水平的“战略与治理”模块，获得首批最高的 A+级别评定。这标志着嘉实基金一直致力于将 ESG 研究融入中国金融市场投资的努力，获得了国际权威组织的认可。1、指标体系嘉实ESG 评价框架借鉴了国际上成熟的框架并纳入了具有中国特色的指标，由自上而下的三级指标体系构成，包括

10、一级指标 3 个、二级指标 8 个、三级指标 23 个，以及超过 110 个底层指标，具体内容如下表所示：3 个主题8 个议题23 个事项环境环境风险暴露地理环境风险暴露、业务环境风险暴露污染治理气候变化、污染物排放、环境违规事件自然资源和生态保护自然资源利用、循环和绿色经济社会人力资本员工管理和福利、员工健康和安全、人才培养和发展、员工相关争议事件产品和服务质量产品安全和质量、商业创新、客户隐私和数据安全、产品相关争议事件社区建设和贡献社区建设、供应链责任治理治理结构股权结构和股东权益、董事会结构和监督、审计政策和披露、高管薪酬和激励治理行为商业道德和反腐败、治理相关争议事件表 1：嘉实 E

11、SG 评分指标体系资料来源：Wind、2、数据来源嘉实ESG 评分数据的主要来源为运用人工智能，机器学习和自然语言处理等技术抓取 ESG 的信息和数据。传统 ESG 评级围绕社会责任报告数据展开，面临数据短缺、 更新频次低的问题。嘉实ESG 从公司、监管、行业协会、可信媒体等来源抓取 ESG 信息和数据（见图 1），结合丰富的 ESG 投资和研究经验，实时爬取企业关于ESG 的一手信息并量化为标准分数。目前，嘉实 ESG 评分已覆盖 A 股市场 4000 多家上市公司。丰富多样的数据来源有助于更全面挖掘企业的 ESG 信息，并为实现 ESG 投资策略的打下坚实基础。图 1：ESG 评分的数据来

12、源资料来源：Wind 资讯、3、指标计算及更新相比于传统 ESG 评级围绕社会责任报告数据展开，嘉实 ESG 运用自主研发的人工智能、机器学习和自然语言处理等先进的大数据处理技术进行另类数据的挖掘与处理，其80%的底层指标均为量化与0-1 指标，结合丰富的ESG 投研知识和经验进行数据清洗、结构化和分析，最终将量化后的结果以 0-100 分的评分数值显示，该分数反映了上市公司的综合ESG 绩效和表现。目前，嘉实 ESG 数据以系统化的方式进行月度频率更新，数据最早可追溯至 2017年 1 月，每月月底获取市场信息与企业资讯，下月月中披露 ESG 标准分数，数据更新频率相较其他 ESG 评分体系

13、更高。二、行业 ESG 因子构建与统计分析1、因子构建方法本文所用数据均来自 Wind 资讯，时间区间为 2016 年 12 月 31 日至 2021 年 3 月 31日，数据频率为月度。行业 ESG 因子数据由公司 ESG 因子根据其所属中信行业分类以市值加权合成，具体构建方法如下：第一步：原始数据日期调整由于嘉实的股票 ESG 数据从采集、处理到最终公告需要经过约两周时间。因此，为保证数据可得性，我们统一将 ESG 因子数据日期调整为下月最后一个交易日。与此同时，为剔除新股的影响，我们也删除上市不足 3 个月的数据。第二步：合成行业 ESG 因子我们选择中信行业分类为标准，其中，一级行业共

14、有 30 个，二级行业共有 108 个。在使用公司 ESG 因子合成行业 ESG 因子时，由于行业中的龙头公司无论在数据特征还是其行业影响力等方面均处于行业中的主要地位，因此，我们采取按股票流通市值加权的方法进行因子的合成。具体来说，在每月最后一个交易日，我们以各行业内每只股票的流通市值为权重计算加权行业因子值。计算公式如下：,=, = , ,=0其中表示股票 ESG 因子值，表示第个行业，表示第个上市公司，,表示 公司在日的流通市值，,表示行业在日的总流通市值。,表示 日当天，公司在其所属行业中流通市值占比。2、行业ESG 因子的统计特征根据前面的方法我们对中信一级行业和二级行业分布进行 E

15、SG 因子合成，并从描述性统计、行业差异分析和因子相关性等角度观察行业ESG 的统计特征。行业因子描述性统计根据发布规则，嘉实 ESG 数据自 2016 年 12 月起以系统化的方式进行月度更新，于每月月中对上个月度的 ESG 数据进行发布，因此我们共收集到 2016 年 12 月至 2021年 2 月共 50 个月度、约 178896 条A 股ESG 数据，并合成为 1463 条中信一级行业 ESG因子和 5597 条中信二级行业ESG 因子样本数据。表 2 是各因子的描述性统计分析结果。可以发现，各个因子的均值和中位数比较接近，其中，治理得分的均值和中位数最高，均超过 70，其次是ESG

16、得分；各个因子的标准差都低于 15。指标一级行业二级行业环境得分社会得分治理得分ESG 得分环境得分社会得分治理得分ESG 得分样本数14631463146314635597559755975597均值53.3553.0673.6260.1452.5349.8172.5756.97标准差13.529.074.737.5914.4611.875.9310.28最小值6.6329.4049.5639.001.8112.9248.9723.8725%44.5248.3770.7355.1841.5241.4269.0350.2350%53.5453.9574.0860.0852.8950.3472.

17、7057.0575%63.7859.5876.5565.4863.8056.8476.2363.43最大值83.5173.3586.0481.3088.2789.8895.1092.63表 2：行业 ESG 因子的统计描述分析资料来源：Wind 资讯，图 2 是四个行业ESG 因子的频率分布图。从中可知：（1）与股票 ESG 得分相类似，四个行业 ESG 得分均以标准分数的形式呈现，分布区间为0,100；（2）不同行业的环境得分社会得分差异较大，治理得分分别相对更集中；（3）从分布图的形状看，社会得分的分布规律较弱，有两个明显高峰，环境得分、ESG 得分和治理得分均呈中间高、两头低的“钟型”分

18、布特征，其中，治理得分有明显的左偏特征。图 2：行业 ESG 因子的频率分布图350.035300.03环境得分250.025200.02150.015100.0150.0052814202632384450566268748086929800807060社会得分5040302010030 34 38 42 46 50 54 58 62 66 700.050.0450.040.0350.030.0250.020.0150.010.0050频次一般正态分布曲线频次一般正态分布曲线120100治理得分80604020048 52 56 60 64 68 72 76 80 84 880.090.08

19、0.070.060.050.040.030.020.010706050ESG得分40302010040 44 48 52 56 60 64 68 72 76 800.060.050.040.030.020.010频次一般正态分布曲线频次一般正态分布曲线资料来源：Wind 资讯，不同行业在 ESG 因子的差异图 3、图 4、图 5 和图 6 分别是中信一级行业在 4 个行业ESG 因子上的均值差异图。可以发现：（1）在环境得分上，平均得分较高的行业为综合金融、非银行金融、消费者服务、银行等，多为金融类非实体行业，得分较低的行业为国防军工、钢铁、机械、家电、有色金属等；（2）在社会得分上，平均得分

20、较高的行业为钢铁、电力及公共事业、家电、石油石化等，得分较低的行业为消费者服务、纺织服装、轻工制造、商贸零售等；治理得分上的各行业差异明显低于其他因子，这与表 2 中治理得分的标准差较低是相一致的，其中，国防军工、家电、消费者服务等行业的平均治理得分较高，综合金融、银行和综合等行业的平均得分较低；（4）在 ESG 因子方面，平均得分较高的行业是建筑、非银行金融、电力及公共事业、交通运输等，得分较低的行业是综合、综合金融、纺织服装、钢铁等。图 3：行业环境得分排序资料来源：Wind 资讯，图 4：行业社会得分排序资料来源：Wind 资讯，图 5：行业治理得分排序资料来源：Wind 资讯，图 6：

21、行业 ESG 得分排序资料来源：Wind 资讯，（3）行业 ESG 因子的相关性根据前面的分析结果，不同行业的股票ESG 因子存在较大差异，不同行业的股票 ESG 因子难以直接比较和合成行业ESG 因子。为了克服这个问题和提高因子的可比性，我们需要对股票ESG 因子先进行行业中性化，然后再根据流通市值合成行业ESG 因子。如无特别说明，本报告余下部分的行业ESG 因子均作此处理。表3 是在一级和二级行业分类下，各个行业ESG 因子之间的Spearman 秩相关系数。从中可知：（1）对于一级行业，ESG 得分与社会得分、治理得分及环境得分均具有较高的相关性，秩相关系数分别为 0.81、0.72

22、和 0.51；（2）对于二级行业，ESG 得分与社会得分、治理得分具有较高的相关性，秩相关系数分别为 0.77 和 0.79，ESG 得分与环一级行业二级行业ESG 得分环境得分社会得分治理得分ESG 得分环境得分社会得分治理得分ESG 得分11环境得分0.505710.29501社会得分0.81120.316110.77090.15431治理得分0.72030.24250.416910.78980.06590.41331境得分的相关相对较低，只有 0.3 左右。表 3：行业 ESG 因子之间的相关性资料来源：Wind 资讯，三、行业 ESG 因子测试1、IC 测试为了分析行业ESG 因子的选

23、股能力，我们首先在不同行业分类下对因子进行 IC 测试，结果如表 4 所示。从中可知：（1）对于一级行业，社会得分与 ESG 得分的 IC 均值分别为 0.093 和 0.078，IC_IR 分别为 0.442 和 0.394，t 统计量分别为 3.127 和 2.789，均具有统计显著性，且胜率均为 62%，但环境得分和治理得分的 t 统计量分别只有 1.592和 1.227，不具有统计显著性。这表明，在一级行业里，社会得分和 ESG 得分是相对有效的因子，因子值越高，下期行业收益率越高。（2）对于二级行业，环境得分的 t 统计量只有 1.365，同样不具有显著性，社会得分、治理得分和 ES

24、G 得分的 IC 均值分别为0.082、0.041 和 0.07，IC_IR 分别为 0.547、0.321 和 0.454，t 统计量分别为 3.871、2.268和 3.208，均具有统计显著性，且胜率均超过 62%。这表明，在二级行业里，社会得分、治理得分和 ESG 得分是有效的因子，因子值越高，下期行业收益率越高；行业分类指标平均值标准差最小值最大值IC_IRt 统计量胜率一级行业环境得分0.0480.212-0.3540.4180.2251.59264.0%一级行业社会得分0.0930.210-0.3940.4410.4423.127 62.0%一级行业治理得分0.0370.212-

25、0.3780.6150.1741.22758.0%一级行业ESG 得分0.0780.198-0.3710.4790.3942.789 62.0%二级行业环境得分0.0240.122-0.2450.2880.1931.36560.0%二级行业社会得分0.0820.150-0.2650.3110.5473.871 66.0%二级行业治理得分0.0410.127-0.2900.3130.3212.268 64.0%二级行业ESG 得分0.0700.154-0.2780.3800.4543.208 62.0%表 4：行业 ESG 因子的 IC 测试结果注：因子均经从高到低排序；资料来源：Wind 资讯

26、、为了进一步分析行业ESG 得分和社会得分的 IC 值稳定性，我们分别以一级行业和二级行业为样本，计算行业因子的每期 IC 值和 12 月移动平均 IC，具体如图 7 和图 8所示。由此可知：（1）对于一级行业，ESG 得分与社会得分移动平均 IC 在整个样本期基本在正值区域波动，IC 胜率为 62%，IC 值在 2017 年和 2020 年具有较高的数值和符号一致性，2018 和 2019 的波动略大。（2）对于二级行业，ESG 得分与社会得分移动平均 IC 在整个样本期均在正值区域波动，IC 胜率分别为 62%和 66%，IC 值在 2017 年和2020 年具有较高的数值和符号一致性，2

27、018 和 2019 的波动略大。因此，整体而言，ESG得分和社会得分在一级行业和二级行业里具有较高的 IC 稳定性。限于篇幅，下面我们将主要采用 ESG 得分进行结果展示。图 7：一级行业 ESG 因子的月度 IC 变化注：因子均经从高到低排序；资料来源：Wind 资讯，图 8：二级行业 ESG 因子的月度 IC 变化注：因子均经从高到低排序；资料来源：Wind 资讯，2、IC 衰减IC 的衰减速度反映了因子预测能力的持续时间。我们分别统计了一级和二级行业下 ESG 得分的 IC 衰减速度，具体如图 9 所示。该图显示：（1）在一级行业下，ESG 得分的 IC 衰减速度较快，滞后 3 期（即

28、横坐标值为 4）的 IC 已经从 0.078 下降至 0.058，相应的 t 值也降至 2 附近，之后随着滞后期增加，IC 值均不再具有统计显著性；（2）在二级行业下，ESG 得分的 IC 衰减速度相对较慢，滞后 5 期后 IC 从 0.069 下降至 0.049，之后随着滞后期增加，IC 出现回升，且一直具有统计显著性，表明 ESG 得分对于二级行业的预测能力持续性更高。图 9：行业 ESG 得分的 IC 衰减资料来源：Wind 资讯，3、因子换手率因子换手率与因子的自相关性有密切关系。因子的自相关性越高，因子的换手率越低。图 10 是行业 ESG 得分的一阶自相关系数。可以发现，（1）在一

29、级行业下，ESG 得分的一阶自相关系数均在 0.95 以上，表示每次调整的行业组合具有较高的重合度，即在一级行业下，ESG 得分具有低换手率的特点；（2）在二级行业下，ESG 得分的一阶自相关系数的波动性相对较大，大多数的相关系数在 0.9 以上，但也有少数低于 0.9，最低达到 0.78，这表明，相对于一级行业，ESG 得分在二级行业里的换手率波动较高，整体换手率也要略高一些。图 10：行业 ESG 得分的自相关性资料来源：Wind 资讯，4、分位数测试为了进行一步验证 ESG 得分是否有助于选择行业，我们分别在中信一级行业和二级行业里根据 ESG 得分从高到低对行业进行排序，然后分别均匀分

30、为 5 组和 7 组，组内以等权的方式配置各个行业指数，行业组合调整日为每月最后一个交易日，不考虑交易费用，回溯期为 2017 年 1 月 26 日至 2021 年 3 月 31 日。表5 和图11 分别为ESG 得分在一级行业里进行分位数测试的评价指标和净值曲线。其中，Top 组合是ESG 得分最大的行业组合，Bottom 组合为 ESG 得分最低的行业组合。可以发现：（1）top 组合整体表现最好，年化收益率和夏普比率分别为 7.14%和 0.42，均显著高于 bottom 组合以及市场组合，bottom 组合的表现最差，年化收益率和夏普比率分别为-7.09%和-0.42；（2）从 Top

31、 组合到 Bottom 组合，年化收益率、年化超额收益率和夏普比率呈现良好的线性递减趋势，表明 ESG 得分越高的行业，回测表现越好，符合 ESG 得分的逻辑；（3）从净值曲线来看，表现最好的 top 组合一直在最上方波动，表现最差的 bottom 组合一直在最下方波动，多头与空头收益大致相当，各组合的净值曲线在整个样本内符合线性关系；（4）行业多空组合年化收益率为 14.62%，夏普比率为 1.39，最大回撤为 7.11%，净值曲线整体呈不断上升趋势，但今年 2、3 月出现一定回撤。组别总收益率年化收益率年化超额收益波动率Sharpe 比率平均换手率最大回撤率top33.40%7.14%4.

32、84%17.11%0.4216.34%29.54%123.14%5.11%2.81%20.10%0.2551.63%34.28%212.27%2.81%0.51%19.67%0.1457.52%34.03%310.11%2.33%0.03%18.05%0.1349.67%31.29%bottom-26.44%-7.09%-9.39%17.04%-0.4227.97%40.01%市场9.97%2.30%-17.33%0.13-31.66%多空76.85%14.62%-10.54%1.39-7.11%表 5：一级行业 ESG 得分的分位数测试评价指标注：因子从高到低进行排序；市场组合为全样本等权组

33、合；资料来源：Wind 资讯，图 11：一级行业 ESG 得分的分位数测试净值注：因子从高到低进行排序；市场组合为全样本等权组合；资料来源：Wind 资讯，表6 和图12 分别为ESG 得分在二级行业里进行分位数测试的评价指标和净值曲线。其中，Top 组合是ESG 得分最大的行业组合，Bottom 组合为 ESG 得分最低的行业组合。可以发现：（1）top 组合整体表现最好，年化收益率和夏普比率分别为 3.35%和 0.19，均显著高于 bottom 组合以及市场组合，bottom 组合的表现最差，年化收益率和夏普比率分别为-18.19%和-0.68；（2）从 Top 组合到 Bottom 组

34、合，年化收益率、年化超额收益率和夏普比率大致呈的线性递减趋势，中间略有起伏，基本符合因子的逻辑，即 ESG得分越高的行业，回测表现越好；（3）从净值曲线来看，表现最好的 top 组合一直在最上方波动，表现最差的 bottom 组合也基本一直在最下方波动，空头收益明显高于多头，各组合的净值曲线在整个样本内大致符合线性关系；（4）行业多空组合年化收益率为 21.3%，夏普比率为 1.29，最大回撤为 8.48%，净值曲线整体呈不断上升趋势，但今年组别总收益率年化收益率年化超额收益波动率Sharpe 比率平均换手率最大回撤率top14.75%3.35%10.42%17.82%0.1928.94%28

35、.06%1-14.08%-3.57%3.51%21.91%-0.1666.14%39.24%2-23.00%-6.06%1.01%19.80%-0.3183.82%42.26%3-35.33%-9.91%-2.83%25.57%-0.3980.41%51.31%4-24.02%-6.36%0.71%21.67%-0.2979.90%43.82%5-34.30%-9.57%-2.49%19.45%-0.4970.39%45.39%bottom-56.77%-18.19%-11.11%26.92%-0.68 36.21%63.57%市场-26.41%-7.08%-20.96%-0.34-43.97

36、%多空124.04%21.30%-16.47%1.29 -8.48%2、3 月出现小幅回撤。 表 6：二级行业 ESG 得分的分位数测试评价指标注：因子从高到低进行排序；市场组合为全样本等权组合；资料来源：Wind 资讯，图 12：二级行业 ESG 得分的分位数测试净值注：因子从高到低进行排序；市场组合为全样本等权组合；资料来源：Wind 资讯，四、行业轮动策略构建与回测1、行业轮动策略构建根据前面 IC 检验和分位数组合测试的分析结果，ESG 得分在行业中表现出一定的行业选择能力，下面我们将在中信一级行业和二级行业里应用 ESG 得分设计具体的行业轮动策略。主要步骤如下：1、对股票ESG 得

37、分进行行业中性化后再采用流通市值加权方式构建行业ESG 得分；2、根据行业 ESG 得分从高到低进行排序，对于一级行业，选择因子值最高的前 6个行业，对于二级行业，选择因子值最高的前 15 个行业，均以等权方式形成组合；3、调仓日为每月最后一个交易日，成交价为当天行业指数收盘点数，单边交易费用为 0.3%；4、比较基准为全行业等权组合；5、回测时间区间：2017 年 1 月 26 日至 2021 年 3 月 12 日。2、策略回测结果表 7 是在中信一级行业和二级行业里的行业轮动策略回测结果。从中可见：（1）在一级行业里，多头轮动策略的年化收益率和夏普比率分别为 6.71%和 0.35，均高于

38、全行业等权基准组合的 2.26%和 0.11，年化超额收益率为 4.45%，多头轮动策略的年化波动率和最大回撤也均低于基准组合；（2）在二级行业里，多头轮动策略的年化收益率和夏普比率分别为 3.22%和 0.16，均高于全行业等权基准组合的-7.30%和-0.30，年化超额收益率为 10.52%，多头轮动策略的年化波动率和最大回撤也均低于基准组合；（3）在换手率方面，一级行业和二级行业的轮动策略平均双边换手率分别为 18.1%和 30.5%，即回测指标一级行业二级行业策略多头基准策略多头基准总收益率30.73%9.66%13.99%-26.88%年化收益率6.71%2.26%3.22%-7.3

39、0%年化波动率19.40%19.70%20.70%24.56%Sharpe 比率0.35 0.11 0.16-0.30 胜率51.95%52.55%52.85%52.35%平均双边换手率18.10%-30.50%-最大回撤率32.22%34.99%31.51%47.08%最大回撤开始日期20180126201711132018012620171013最大回撤结束日期20190103201810182020020320200203平均每次调仓时会分别调整 1.1 个和 4.6 个行业。表 7：行业轮动策略的回测结果资料来源：Wind 资讯，图 13 和图 14 分别一级行业和二级行业下的轮动策略

40、净值曲线。可见，行业 ESG得分轮动策略的净值曲线一直高于基准组合，且具有较明显的区分度。图 13：一级行业 ESG 得分轮动策略净值注：多头策略为因子值最高的前 6 个行业，基准组合为全样本等权组合；资料来源：Wind 资讯，图 14：二级行业 ESG 得分轮动策略净值注：多头策略为因子值最高的前 15 个行业，基准组合为全样本等权组合；资料来源：Wind 资讯，表 8 是行业轮动策略的逐年表现。可以发现，在近 5 年里，一级行业下的 ESG 得分轮动策略年度胜率为 60%，在 2017 年、2018 年和 2020 年分别取得 14.55%、2.75%和 5.68%的超额收益，在 2019 年和 2021 年（截止 3 月 12 日）落后于基准组合；二级行业下的 ESG 得分轮动策略在近 5 年均取得正的超额收益，年度胜率为 100%。年份一级行业二级行业策略多头基准超额收益策略多头基准超额收益201715.57%1.03%14.55%9.50-2.2211.722018-26.20%-28.95%2.75%-25.68-30.805.12201923.20%27.62%-4